Fehlerdiagnose für rotierende Maschinen: Eine Methode basierend auf Bildverarbeitung

Rotierende Maschinen gehören zu den typischen Arten von mechanischen Geräten und spielen eine bedeutende Rolle in industriellen Anwendungen. Die Zustandsüberwachung und Fehlerdiagnose von rotierenden Maschinen hat aufgrund ihrer Bedeutung zur Vermeidung katastrophaler Unfälle und zur Gewährleistung einer ausreichenden Wartung viel Aufmerksamkeit erhalten. Mit der Entwicklung von Wissenschaft und Technologie werden fehlerdiagnostische Methoden, die auf mehreren Disziplinen basieren, zum Schwerpunkt im Bereich der Fehlerdiagnose von rotierenden Maschinen. Diese Arbeit stellt eine multidisziplinäre Methode zur Fehlerdiagnose von rotierenden Maschinen vor, die auf der Bildverarbeitung basiert. Im Gegensatz zur traditionellen Analysemethode im eindimensionalen Raum verwendet diese Studie eine Berechnungsmethode im Bereich der Bildverarbeitung, um automatische Merkmals-Extraktion und Fehlerdiagnose in einem zweidimensionalen Raum zu realisieren. Die vorgeschlagene Methode umfasst hauptsächlich die folgenden Schritte. Zunächst wird das Vibrationssignal mithilfe der Biespektraltechnik in eine Biespektrum-Konturkarte umgewandelt, die die Grundlage für die anschließende bildbasierte Merkmals-Extraktion bietet. Dann wird ein neuartiger Ansatz im Bereich der Bildverarbeitung zur Merkmals-Extraktion, beschleunigte robuste Merkmale, verwendet, um automatisch Fehlermerkmale aus der transformierten Biespektrum-Konturkarte zu extrahieren und schließlich einen hochdimensionalen Merkmalsvektor zu bilden. Um die Dimensionalität des Merkmalsvektors zu reduzieren, sodass die Hauptfehlermerkmale hervorgehoben und die nachfolgenden Rechenressourcen reduziert werden, wird die t-distributed Stochastic Neighbor Embedding verwendet, um die Dimensionalität des Merkmalsvektors zu reduzieren. Zuletzt wird ein probabilistisches neuronales Netzwerk zur Fehleridentifikation eingeführt. Zwei typische rotierende Maschinen, axialkolbenhydraulikpumpen und selbstansaugende Zentrifugalpumpen, werden ausgewählt, um die Wirksamkeit der vorgeschlagenen Methode zu demonstrieren. Die Ergebnisse zeigen, dass die vorgeschlagene Methode auf Basis der Bildverarbeitung eine hohe Genauigkeit erreicht und somit ein äußerst effektives Mittel zur Fehlerdiagnose für rotierende Maschinen bietet.